Saturs[Paslēpt][Rādīt]
Pasaule, kādu mēs to zinām, var mainīties mākslīgā intelekta (AI) rezultātā. Attiecībā uz daļēji autonomo sistēmu uzlabojumiem Tesla tos ļoti izmanto.
Turklāt Elons Musks apgalvo, ka tas galu galā tiks izmantots citās jomās. Pateicoties pilnīgai pašbraukšanas tehnoloģijai un autopilota sistēmai,
Tesla izmanto datorredzi, mašīna mācīšanās, un mākslīgais intelekts (FSD).
Šajā rakstā mēs apspriedīsim, kas padara Teslu par tehnoloģiju uzņēmumu un kā tā izmanto AI, datorredzi, lielos datus un citas tehnoloģijas, lai izstrādātu pašbraucošas automašīnas. Sāksim.
Vispirms mēs pārbaudīsim, kā Tesla ir tehnoloģiju uzņēmums.
Kāpēc Tesla tiek uzskatīta par tehnoloģiju uzņēmumu?
Tesla ražo ievērojamu daudzumu programmatūras. Tesla atšķirīgā informācijas un izklaides sistēma, lietotāja interfeiss, un visas autonomās braukšanas funkcijas ir balstītas uz programmatūru.
Kamēr citi autoražotāji tikai tagad sāk eksperimentēt ar bezvadu jauninājumiem, Tesla to dara jau gadiem ilgi. Tesla darbinieki izveidoja un nepārtraukti uzlabo operētājsistēmas Tesla automašīnām.
Tesla ražo arī dažādus citus tehnoloģiskus produktus, tostarp saules paneļus, jumta saules dakstiņu, vairāku veidu akumulatorus, uzlādes stacijas, datorus un galvenās datoru sastāvdaļas (Tesla automašīnām).
Lai gan gan Nokia, gan Blackberry bija programmatūra, iPhone bija līdzsvarota abu kombinācija, tāpēc tas iekaroja mobilo tālruņu biznesu un mainīja to, kā mēs pašlaik lietojam savus tālruņus.
Tas ir tas, ko Tesla dara automašīnu biznesa labā. Teslas ir transportlīdzekļi, jā (un SUV un drīzumā pikapi, kravas automobiļi un visurgājēji). Taču šajos transportlīdzekļos ir iekļauta programmatūra ikdienas lietošanai, ko Tesla izveidoja iekšēji vai kas ir iekļauta Tesla sistēmā.
Kamēr jūs stāvat stāvvietā, Tesla ir ieviesusi izklaides iespējas, tostarp TRAX, Caraoke un daudzas spēles (un varbūt kādreiz tranzītā). Drošības sistēma Sentry Mode, kas apvieno Tesla aparatūru un programmatūru, ir palīdzējusi tiesībsargājošajām iestādēm atrisināt tādus noziegumus kā vandālisms. Jūsu viedtālrunis kalpo kā jūsu Tesla atslēga.
Izmantojot savu tālruni, varat piezvanīt savam Teslai, lai nāktu pie jums. Turklāt, pateicoties Tesla unikālajai Sentry Mode tehnoloģijai, automašīna paziņos jūsu tālrunim, ja notiks nozīmīgs notikums.
Tā kā Tesla izmantos savāktos datus par Tesla autovadītāju faktiskajiem braukšanas paradumiem (datu vākšana ir galvenais tehnoloģiju elements, it īpaši, ja tā ir tieši tāda pati un netiek veikta tirgus izpētes aptaujās), Tesla apdrošināšana būs arī paplašinājums. no tehniskās puses.
Kādu tehnoloģiju Tesla izmanto autopilotam?
Viņi lielā mērogā rada un izmanto autonomiju tādās mašīnās kā roboti un automašīnas. Viņi apgalvo, ka vienīgā metode, kas var sniegt visaptverošu atbildi uz pilnīgu autonoma braukšana un ne tikai ir tāda, kas plānošanā un redzējumā balstās uz visprogresīvāko AI, ko papildina efektīva aparatūra secinājumu veikšanai.
Tesla FSD mikroshēma
Tesla sistēmām ir divi mākslīgā intelekta procesori, lai uzlabotu veiktspēju un ceļu satiksmes drošību. Tesla sistēmas mērķis ir darboties bez kļūdām. Rezerves barošanas un datu ievades avotu dēļ automašīna var turpināt darboties pat tad, ja viena vienība nedarbojas.
Tesla veic šos papildu piesardzības pasākumus, lai nodrošinātu, ka transportlīdzekļi ir labi sagatavoti, lai novērstu avārijas neparedzētas kļūmes gadījumā.
Vienīgā ierīce, kas spēj veikt vairāk darbību sekundē nekā jaunais Tesla mikroprocesors, ir cilvēka smadzenes (1 kvadriljons operāciju sekundē). Tas ir aptuveni 21 reizi jaudīgāks nekā iepriekš izmantotās Tesla Nvidia mikroshēmas.
Izveidojiet AI secinājumu procesorus, lai darbinātu pilnīgo pašbraukšanas programmatūru, ņemot vērā katru mazāko arhitektūras un mikroarhitektūras uzlabojumu, vienlaikus maksimāli palielinot silīcija veiktspēju uz vatu.
Lai gan Tesla neapšaubāmi ieņem vadošo pozīciju pilnīgi autonomo lokomotīvju tirgū, tā joprojām ir tālu no vismodernākā autopilota transportlīdzekļa izstrādes.
Tesla Dojo mikroshēma
Tesla atklāja Tesla D1, jaunu procesoru ar 362 TFLOP jaudu BF16/CFP8, kas tika radīts īpaši mākslīgais intelekts. Tas tika atklāts nesenā laikā Tesla AI Dienas prezentācija.
Milzīga mikroshēma tiek izveidota, savienojot funkcionālo vienību tīklu, ko sauc par funkcionālo vienību tīklu, kuram Tesla D1 pievieno kopā 354 apmācības mezglus. Katrai funkcionālajai vienībai ir četrkodolu 64 bitu ISA centrālais procesors ar īpaši pielāgotu dizainu saišu šķērsošanai, apraidei un transponēšanai. Šis centrālais procesors izmanto superskalāro ieviešanu (4 platu skalāru un 2 platu vektoru konveijerus).
Šis jaunais Tesla silīcijs ir mazāks par GA100 GPU, kas atrodams NVIDIA A100 paātrinātājā, kura izmērs ir 826 mm kvadrātveida. Tas tiek ražots, izmantojot 7 nm procesu, tajā kopumā ir 50,000 645 miljoni tranzistoru, un tas aizņem XNUMX mm kvadrātveida laukumu.
Tesla apgalvo, ka tā Dojo mikroshēma apstrādās datora redzes datus četras reizes ātrāk nekā pašreizējās sistēmas, ļaujot uzņēmumam pilnībā automatizēt savu pašbraukšanas sistēmu.
Tomēr Tesla vēl nav paveikusi divus sarežģītākos tehnoloģiskos varoņdarbus, proti, starpsavienojumu starp flīzēm un programmatūru.
Augstākās kvalitātes tīkla slēdži nevar konkurēt ar jebkuras flīzes ārējo joslas platumu. Lai to izdarītu, Tesla izveidoja unikālus starpsavienojumus.
Dojo sistēma
Izveidojiet Dojo sistēmu, sākot no augsta līmeņa programmatūras API, lai to kontrolētu, līdz silīcija programmaparatūras saskarnēm. Izmantojiet progresīvās lieljaudas piegādes un dzesēšanas tehnoloģijas, lai atrisinātu sarežģītas situācijas, un izveidojiet mērogojamus vadības cilpas un uzraudzības programmatūru.
Izmantojiet visas savas mehāniskās, termiskās un elektroinženieru komandu zināšanas, lai izstrādātu nākamās paaudzes mašīnmācības aprēķinus izmantošanai Tesla datu centros. Vienīgais ierobežojums ir jūsu iztēle.
Strādājiet ar katru komponentu sistēmas projektēšana. Izstrādājiet publiski pieejamu API, kas padarīs Dojo pieejamu ikvienam, un sadarbojieties ar Tesla flotes apmācību, lai nodrošinātu apmācību slodzi, izmantojot viņu milzīgās datu kopas.
Autonomijas algoritmi
Izveidojiet augstas precizitātes pasaules modeli un iezīmējiet trajektoriju šajā telpā, lai izstrādātu galvenos algoritmus, kas darbina automašīnu.
Apkopojot datus no automašīnas sensoriem visā vietā un laikā, algoritms var nodrošināt precīzus un plašus pamata patiesības datus, ko var izmantot, lai apmācītu. neironu tīkli paredzēt šos priekšstatus.
Viņi izveido spēcīgu plānošanas un lēmumu pieņemšanas sistēmu, izmantojot visprogresīvākās metodoloģijas, kas var darboties sarežģītos reālās pasaules scenārijos ar nenoteiktību.
Ir izdevīgi analizēt algoritmus visas Tesla flotes līmenī.
Neironu tīkli
Dziļus neironu tīklus var apmācīt par jautājumiem, sākot no uztveres līdz kontrolei, izmantojot progresīvus pētījumus. Lai veiktu semantisko segmentāciju, objektu identifikāciju un monokulārā dziļuma novērtēšanu, to kameru tīkli pārbauda neapstrādātus attēlus.
Viņu no putna lidojuma tīkliem tiek izmantoti visu kameru kadri, lai radītu ceļa izkārtojuma, statiskās infrastruktūras un 3D objektu skatu no augšas uz leju.
Viņu tīklos pastāvīgi tiek ievadīti dati no viņu parka, kurā ir aptuveni 1 miljons automašīnu, kas ietver vissarežģītākos un daudzveidīgākos apstākļus pasaulē.
48 tīkliem, kas veido visu Autopilota neironu tīklu konstrukciju, ir nepieciešamas 70,000 1,000 GPU stundu apmācībai. Katrā laika posmā tie kopā veido XNUMX dažādu tenzoru (prognožu).
Infrastruktūras novērtējums
Viņi ir arī izveidojuši infrastruktūru un atvērtā un slēgtā cikla aparatūras in-the-loop novērtēšanas rīkus, lai paātrinātu inovācijas ātrumu, pārraudzītu veiktspējas uzlabojumus un apturētu regresijas.
Viņi izmanto savas flotes anonimizētos raksturīgos klipus un iekļauj tos daudzos testa scenārijos. Rakstiet kodu, kas simulē viņu faktisko vidi, ģenerējot neticami reālistiskus vizuālos attēlus un citus sensoru datus savai Autopilota programmai, ko izmantot automatizētai testēšanai vai tiešraidē atkļūdošanai.
Kā Tesla izmanto lielos datus, mākslīgo intelektu un mašīnmācīšanos?
Big Datu
Lielos datus Tesla izmanto ne tikai problēmu risināšanai; to izmanto arī patērētāju laimes palielināšanai. Viņi iegūst informāciju no savu klientu tiešsaistes kopienām un izmanto to, lai uzlabotu turpmāko ražošanu. Šāda veida klientu mijiedarbība biznesā ir nedzirdēta.
Lielie dati atbalsta Tesla centienus ietaupīt izmaksas, atrast jaunus tirgus, iepriecināt patērētājus, radīt jaunus produktus un uzlabot savus transportlīdzekļus.
Informācija tiek izmantota, lai izveidotu ārkārtīgi datu blīvas kartes, kas parāda jebko, sākot no riska atrašanās vietas, kas liek autovadītājiem rīkoties, līdz vidējam satiksmes ātruma pieaugumam noteiktā ceļa posmā.
Edge skaitļošana nosaka, kāda darbība katrai atsevišķai automašīnai šobrīd ir jāveic, savukārt mašīnmācība mākonī apstrādā visa autoparka apmācību.
Turklāt pastāv trešais lēmumu pieņemšanas līmenis, kurā automašīnas var savienoties ar blakus esošajiem Tesla transportlīdzekļiem, lai izveidotu tīklus un dalītos zināšanās par šo apgabalu.
Šie tīkli, iespējams, sazināsies arī ar citu ražotāju transportlīdzekļiem, kā arī citām sistēmām, piemēram, satiksmes kamerām, zemes sensoriem vai tālruņiem tuvākajā nākotnē, kur autonomas automašīnas ir ierasta lieta.
Mākslīgais intelekts
Lai varētu braukt patstāvīgi, autonomie automobiļi nepārtraukti izvērtē datus no saviem sensoriem un mašīnredzes kamerām. Pēc tam viņi pieņem lēmumus, pamatojoties uz šo informāciju.
Viņi izmanto AI, lai izprastu un paredzētu velosipēdu, gājēju un automašīnu kustības. Izmantojot šīs zināšanas, viņi var pieņemt lēmumus un ātri plānot savas darbības.
Vai automašīnai vajadzētu palikt tajā joslā, kurā tā atrodas tagad, vai arī tai vajadzētu mainīties? Vai tai jāturpina iet tāpat, kā tas ir, vai jāapdzen priekšā braucošā automašīna? Kad automašīnai jāsamazina vai jāpaātrina?
Lai padarītu automašīnas pilnībā autonomas, Tesla ir jāapkopo nepieciešamie dati, lai apmācītu algoritmus un barotu tās AI. Vairāk apmācības datu vienmēr nodrošinās labāku veiktspēju, un Tesla šajā ziņā ir izcila.
Tesla ir konkurētspējīga, jo tā apkopo visus savus datus no simtiem tūkstošu Tesla transportlīdzekļu, kas tagad atrodas ceļā. Iekšējie un ārējie sensori uzrauga, kā Teslas darbojas dažādos apstākļos.
Turklāt viņi novēro autovadītāju uzvedību, tostarp viņu reakciju uz dažādām situācijām un to, cik bieži viņi pieskaras stūrei vai instrumentu panelim. Viņiem ir ļoti sarežģīta izsekošanas sistēma.
Piemēram, Tesla ieraksta laika momentu, pievieno to datu kolekcijai un pēc tam izmanto krāsainas formas, lai ģenerētu abstraktu vides attēlu, no kura neironu tīkls var mācīties.
Tas notiek, ja Tesla transportlīdzeklis izdara neprecīzu pieņēmumu par to, kā uzvesties automašīna vai velosipēds.
Mašīnu mācīšana
Izmantojot iekšējos un ārējos sensorus, kas var pat uztvert informāciju par vadītāja rokas atrašanās vietu uz vadības ierīcēm un to darbības turpināšanu, Tesla mašīnmācīšanās veiksmīgi apkopo dažus galvenos datus no visiem saviem transportlīdzekļiem, kā arī no tiem. vadītājiem.
Informācija tiek izmantota arī, lai izveidotu ļoti datu blīvas kartes, kas parāda visu, sākot no vidējā satiksmes ātruma pieauguma noteiktā ceļa garumā līdz briesmām un pat mudina autovadītājus rīkoties.
Kamēr daļa no malu skaitļošana Katrai automašīnai ir noteikts, kāda darbība automašīnai šobrīd ir jāveic, Tesla mākoņdatošanas mašīnmācība ir atbildīga par visa autoparka apmācību.
Lai apmainītos ar dažiem vietējiem ieskatiem un informāciju, automašīnas var izveidot tīklu ar dažiem citiem tuvumā esošajiem Tesla transportlīdzekļiem.
Secinājumi
Tesla vienmēr ir bijis uzņēmums, kas ražo datu vākšanu un analīzi, kas ir visspēcīgākais rīks neatkarīgi no tā, ko tā dara. Viņi neizdarīja izņēmumus, izstrādājot savus CPU.
Attīstība autonomie transportlīdzekļi un korporācijas veiktā statistikas datu analīze ir ļāvusi pilnībā mainīt mūsu braukšanas veidu, pateicoties mākslīgajam intelektam, datu analīzei, lielajiem datiem, mašīnmācībai, datorredzei, neironu tīkliem, FSD mikroshēmai un daudziem citiem algoritmiem.
Atstāj atbildi